基于微粒群算法的PID控制器优化研究

研究PID控制器性能优化中,由于被控对象具有高阶、非线性等特点,而在工业生产过程中,传统的PID参数整定方法易出现超调和震荡问题,使系统响应特性差。为改善系统性能,提出一种改进粒子群算法的智能优化策略,将PID控制器参数作为粒子群中的粒子,以控制误差时间积分函数作为优化目标,进行PID控制参数的并行优化。利用MATLAB仿真软件进行仿真,并通过与传统整定方法(Z-N法)进行比较。结果表明,粒子群的PID参数整定法可提高控制器性能,并能够实现目标的最优整定,为PID控制器性能优化提供依据。     

改进蚁群算法优化PID控制器参数及其应用(英文)

绝大多数工业工程控制仍然使用PID控制器,但由于它不易获得精确的数学模型和其非线性时变系统的性质,传统PID控制难以获得良好的控制品质、难以满足精确的控制要求。为了使PID控制器达到理想的控制效果,提出了一种基于改进蚁群算法的PID参数优化整定算法。该算法采用了信息素挥发系数和信息素强度自适应调整机制和动态更新策略,用以加速优化算法的收敛。该算法简单易行,更容易找到全局最优解,优化效率和性能明显提高。仿真实验结果表明,同现有的优化算法整定的结果比较,被控系统的超调量、调整时间等明显减少,动态特性、鲁棒性和稳定性等明显提高,进而验证了所设计算法的可行性和优越性。     

网络控制系统Smith Fuzzy PID控制器的设计

针对网络控制系统中普遍存在的时延问题,提出了一种将模糊自适应算法和Smith预估补偿算法与常规PID控制器相结合的智能控制策略。该方法充分利用了Smith预估控制算法对带时延系统的良好控制能力,同时利用模糊推理算法实现对PID参数的在线自整定,进一步改善PID控制器的性能。仿真结果表明,基于该智能控制器的网络控制系统克服了传统PID控制超调量大及常规Smith预估补偿过分依赖于被控对象精确数学模型的缺陷,可以有效降低时延对系统性能的不利影响,使被控对象具有良好的动、静态特性。     

一种改进人工蜂群的分数阶PID控制器优化算法

针对分数阶PID控制器参数整定过程参数多复杂性大,传统靠经验试凑的方法不易实现且优化效果差的问题,提出了一种改进的人工蜂群算法,实现分数阶PID控制器参数的整定;该算法通过改进人工蜂群算法中搜索方程,并引入一个淘汰机制,对分数阶控制器参数进行群智能搜索,将搜索到的参数送至分数阶PID控制器中反复迭代,以带有权值的误差绝对值积分指标(AIE)作为人工蜂群寻优的目标函数,最后得出控制器;本文以非线性系统为被控对象,经过实例仿真,验证了该算法实现的控制器比传统整数阶控制器和未改进的人工蜂群算法实现的分数阶控制器的动态性能和稳态性能都有所提高,在超调、上升时间、振荡性方面都优于未改进算法。     

基于免疫遗传算法的PID控制器参数优化研究

PID控制器参数优化一直是自动控制领域研究的热点问题.由于自动控制过程中被控对象具有非线性、时变不确定性等特点,传统的PID控制多采用试凑方式进行优化,往往费时而且难以满足控制的实时要求,导致控制精度不高.为了解决PID控制器参数优化问题,改善系统性能,提出一种基于免疫遗传算法的PID参数优化方法.该方法将PID控制器参数作为抗原,最优参数作为抗体,通过免疫算法的记忆细胞和抗体浓度调节机制,在控制过程中动态调整PID控制参数,从而实现PID控制器参数实时优,最后将该参数优化方法应用于实际的自动控制系统.实验应用研究表明,相对于传统参数优化方法,该方法在处理非线性和时变系统时,减少了超调小,响应速度提高,改善了系统性能,系统稳定性增强,控制精度相应提高,更能适应实际的自动控制系统需要.     

混合粒子群算法优化分数阶PID控制参数研究

分数阶比例-积分-微分(PID)控制器是一种把PID控制器的整数阶次推广到分数的比例、积分、微分控制器,它比传统的PID控制器更能精确地控制复杂的被控系统.而参数的取值对控制效果的好坏起着决定性作用,为此提出了一种混合粒子群算法BFA-PSO优化参数值.该算法将具有趋化、繁殖和驱散特点的细菌觅食算法和参数少,易于优化的粒子群算法相结合来计算出精确的分数阶PID控制器的参数值.通过对传统PID控制器和分数阶PID控制器参数优化的实验仿真,结果表明基于该算法的分数阶PID控制不仅无超调量、收敛速度快,而且鲁棒性强、收敛精度高,可用于控制不同的对象和过程.     

神经元自适应PID控制器在机组控制中应用

针对机组控制系统动态范围宽、要求响应速度快、超调量小及参数时变的特性，研究了一种基于神经元的自适应PID控制器。利用神经网络的在线调整功能，自动调整PID控制参数，以适应被控过程的参数变化和克服扰动的影响。仿真和实验结果表明，该算法简洁实用，控制效果优于传统的PID控制。     

在MAX1000+plus DCS中开发PID参数自整定软件包

本文介绍了在MAX1000 plus DCS的工作站中开发PID参数自整定软件包的基本原理与方法。利用过渡过程响应法和频域响应法对被控对象进行在线辨识获得对象的动态特性；根据不同被控对象对控制品质的需要提出了利用最大灵敏度Ms作为PID参数整定时的综合性能参考指标，并结合配置闭环主导极点的方法设计PID参数，用仿真实验验证了该方法的正确性与工程实用价值。     

基于遗传神经网络的自适应PID控制器的设计

提出了一种基于遗传算法和神经网络的自适应PID控制器的设计方法。该控制器主要由三个部分组成:利用遗传算法优化PID参数,和RBF神经网络结合,对被控对象逼近,搜索出一组准优的初始参数;RBF神经网络完成对被控对象Jacobian信息辨识;基于单神经元的自适应PID控制器,在线调整PID参数,以确保系统的响应具有最优的动态和稳态性能。仿真结果表明,控制器具有响应速度快,稳态精度高等特点,可用于控制不同的对象和过程。     

基于Maclaurin 展开的PID 设计与无模型自整定

针对自衡对象,提出一种基于期望模型的PID自整定方法,该方法无需被控对象的数学模型.利用Maclaurin展开技术,给出了PID控制器的整定公式;并通过开环阶跃响应,实现了PID控制器的无模型自整定.仿真结果表明,利用该自整定方法所得的PID能有效地提高高阶被控对象的系统性能;即使在噪声环境下,该方法仍具有很好的鲁棒性.     

基于感知模糊自适应蚁群算法的非线性PID控制

随着系统复杂度的提高和对象不确定性因素的增加,为克服线性PID动态性能和稳态性能差的缺陷,分析了非线性PID控制器各控制参数对误差的理想变化过程,构造非线性PID控制器。由于增益参数大量增加,传统参数优化方法不再适用,在分析蚁群算法的基础上,提出了基于感知自适应蚁群算法,并加入模糊自适应信息素更新机制,用于优化非线性PID控制器的设计方法。通过仿真实验将该控制器与基于蚁群算法的非线性PID控制器和基于蚁群算法、Z-N法的PID控制器进行对比,并对控制性能和收敛性能进行了分析,结果表明该算法有效克服了传统蚁群算法收敛速度较慢、容易陷入局部最优而停滞的缺陷,该控制器具有更好的动态性能和稳态性能。     

基于粒子群优化算法的PID控制器参数整定

PID控制器的性能完全依赖于其参数的整定和优化，但参数的整定及在线自适应调整对常规的PID控制器是难以解决的问题。根据粒子群算法具有对整个参数空间进行高效并行搜索的特点，提出了一种基于粒子群优化算法整定PID控制器参数的设计方法，并定义了一种新的性能指标函数来评价PID控制器的性能。现以二阶的船舶控制装置为研究对象，运用粒子群优化方法对PID控制器参数进行了寻优研究。仿真结果表明，该方法比一般PID参数整定方法具有更好的控制性能指标，有着一定的工程应用价值。     

基于蚁群算法的航空发动机PID参数优化

提出一种基于蚁群算法的PID参数优化控制算法,对航空发动机的双变量解耦控制方法进行了研究.蚁群算法采用分布式并行计算机制,易于与PID控制方法结合,优化后的控制器克服了传统的PID控制参数不易整定的缺点,且控制器结构简单规范、动态和静态性能良好,具有较强的鲁棒性.仿真结果表明该控制系统实现了解耦控制,对航空发动机模型参数在大范围内的变化均有良好的控制效果.     

计及时滞的互联电网负荷频率控制最优分数阶PID控制器设计

分数阶PID控制器相比于传统整数阶PID控制器,具有控制性能好、鲁棒性强等诸多优势,可应用于电网的负荷频率控制(load frequency control,LFC)中.针对网络化时滞互联电网的LFC问题,提出了一种基于计算智能的分数阶PID控制器参数优化整定方案.该方案选择时滞LFC系统时域输出响应构建优化目标函数,采用最近提出的灰狼优化算法获得最优的分数阶PID控制器参数,所设计的控制器能确保一定时滞区间内LFC系统的稳定性.仿真算例表明,所设计的LFC最优分数阶PID控制器比传统整数阶PID控制器的控制性能更优,时滞鲁棒性更强.     

遗传算法优化的Fuzzy+变论域自适应Fuzzy-PID复合控制策略研究

提出了一种用遗传算法优化的Fuzzy+变论域Fuzzy-PID复合控制器的新方法。该控制器由Fuzzy控制和变论域Fuzzy-PID控制两部分组成。在系统的动态阶段,采用Fuzzy控制使其具有最优的动态性能;当系统进入稳态阶段,采用变论域自适应Fuzzy-PID控制使其具有最优的稳态性能。用遗传算法离线搜索出一组最优的PID参数作为在线调节的初始值,在在线部分,以离线搜索出的PID参数为基础,通过变论域的模糊推理在线调整系统瞬态响应的PID参数,使系统具有良好的自适应能力。 采用加权平滑切换的方式,保证两种不同控制过渡的平稳性。将提出的复合控制策略应用于变风量空调系统的室温串级控制中,计算机仿真结果表明,该方法使系统具有良好的动、稳态性能,抗干扰性和鲁棒性好。     

基于遗传算法优化的跳汰机排料系统PID控制仿真

针对传统PID控制方法应用于跳汰机排料系统时难以获得最优控制参数、控制效果差的问题,提出一种基于遗传算法的PID控制参数优化方法,介绍了基于遗传算法优化的PID控制结构、参数优化方法及步骤,并以某矿井跳汰机排料系统为例,对基于该方法的PID控制器的控制性能进行了仿真研究。仿真结果表明,该方法能够实现PID控制参数的在线优化,收敛速度快,具有较强的鲁棒性;基于该方法的PID控制器具有良好的动、静态性能,无超调现象,控制精度高。     

Nonlinear CSTR control system design using an artificial bee colony algorithm

This paper proposes a novel controller design method based on using artificial bee colony (ABC) algorithms for an unstable nonlinear continuously stirred tank reactor (CSTR) chemical system. Such CSTR process is highly nonlinear and its dynamic is significantly dominated by system parameters. It is a good challenge to access the controller design performance when the controller is applied in the CSTR control system. The commonly used proportional–integral-derivative (PID) controller is taken into account in this study, and tuning three PID control gains is carried out by the artificial bee colony algorithm. With the use of the optimal ABC algorithm, PID controller gains can be derived suitably by means of minimizing the cost function given in advance. Finally, several control operations are provided to confirm the feasibility and effectiveness of the proposed method. We also discuss the influence of algorithm initial conditions on the control performance with many different tests.     

Performance investigation of ABC algorithm in multi-area power system with multiple interconnected generators

This paper presents an extensive study on the application of Artificial Bee Colony (ABC) algorithm for load frequency control (LFC) in multi-area power system with multiple interconnected generators. The LFC model incorporates various possible physical constraints and non-linearities such as generation rate constraint, time delay, dead zone and boiler. The ABC algorithm is used to find the optimum PID controller parameters. The tuning performance of the algorithm is comparatively investigated against different optimization technique such as evolutionary programming (EP), genetic algorithm (GA), gravitational search algorithm (GSA) and particle swarm optimization (PSO). The robustness analysis of the system is also evaluated by investigating the dynamic response of the controller with load demand at varying time step, tuning based on different performance criterion and by varying the load demand. The performance of the system is evaluated based on the settling time and maximum overshoot value of the frequency deviation response. The performance of ABC is also verified against an exhaustive search based on interval halving method. Despite employing a single controller for multiple interconnected generators, the optimized controller is able to successfully damp oscillations in the system response and regulate the area control error back to zero in minimal amount of time. The results indicate the superiority of the ABC algorithm’s search mechanism in finding the optimum set of PID controller’s gain.     

基于改进粒子群算法的PID参数优化与仿真

提出了一种基于改进的粒子群优化（PSO）算法的PID控制器参数整定方法。该方法采用了PSO的惯性权值自适应调整机制和粒子种群的动态更新策略，用以加速优化算法的收敛和维持群体的多样性。与常规的PSO算法相比，该方法简单易行，更容易找到全局最优解，优化效率和性能明显提高。将该算法应用非最小相位、一阶滞后等系统的PID控制器参数的优化，能够使控制系统获得较好的动态特性和很强的鲁棒性。仿真实验表明了所提出算法的有效性和优越性。     

Teaching–learning based optimization algorithm based fuzzy-PID controller for automatic generation control of multi-area power system

This paper deals with the design of a novel fuzzy proportional–integral–derivative (PID) controller for automatic generation control (AGC) of a two unequal area interconnected thermal system. For the first time teaching–learning based optimization (TLBO) algorithm is applied in this area to obtain the parameters of the proposed fuzzy-PID controller. The design problem is formulated as an optimization problem and TLBO is employed to optimize the parameters of the fuzzy-PID controller. The superiority of proposed approach is demonstrated by comparing the results with some of the recently published approaches such as Lozi map based chaotic optimization algorithm (LCOA), genetic algorithm (GA), pattern search (PS) and simulated algorithm (SA) based PID controller for the same system under study employing the same objective function. It is observed that TLBO optimized fuzzy-PID controller gives better dynamic performance in terms of settling time, overshoot and undershoot in frequency and tie-line power deviation as compared to LCOA, GA, PS and SA based PID controllers. Further, robustness of the system is studied by varying all the system parameters from −50% to +50% in step of 25%. Analysis also reveals that TLBO optimized fuzzy-PID controller gains are quite robust and need not be reset for wide variation in system parameters.